摘要
針對電熱氣耦合微網(wǎng)存在的能源利用率低、魯棒性難以控制的問題，提出考慮源荷不確定性的氫能微網(wǎng)容量優(yōu)化配置方法。首先，利用氫儲能、電鍋爐和有機(jī)朗肯循環(huán)（organic Rankine cycle，ORC）系統(tǒng)增加傳統(tǒng)微網(wǎng)的電熱氣轉(zhuǎn)換途徑，構(gòu)建多能耦合、低碳高效的氫能微網(wǎng)；然后，提出一種基于有序聚類算法和模糊C均值（fuzzy C-means，F(xiàn)CM）聚類算法的電負(fù)荷-風(fēng)電出力典型日選取方法，以年化總成本最小為優(yōu)化目標(biāo)，計及功率平衡、設(shè)備運行、儲氫系統(tǒng)和天然氣管道等約束，建立氫能微網(wǎng)容量優(yōu)化配置模型；最后，對某工業(yè)園區(qū)的實際數(shù)據(jù)進(jìn)行分析，得到系統(tǒng)中各設(shè)備的優(yōu)化配置方案以及成本大小，并進(jìn)行靈敏度分析，驗證了所提模型可有效降低系統(tǒng)總成本、減少碳排放。
01 氫能微網(wǎng)
1.1 微網(wǎng)結(jié)構(gòu)
氫能微網(wǎng)結(jié)構(gòu)示意如圖1所示。風(fēng)力發(fā)電是微網(wǎng)的主要能量來源，天然氣網(wǎng)是微網(wǎng)的次要能量來源，兩者供給的能量通過電轉(zhuǎn)氫熱（電解槽）、氫轉(zhuǎn)電熱（氫燃料電池）、氣轉(zhuǎn)電熱（燃?xì)廨啓C(jī)）、氣轉(zhuǎn)熱（燃?xì)忮仩t）、電轉(zhuǎn)熱（電鍋爐）以及熱轉(zhuǎn)電（ORC系統(tǒng)）等設(shè)備的相互作用，可以靈活地滿足不同電熱比負(fù)荷的需求。在風(fēng)電出力富足時，電解槽將風(fēng)電轉(zhuǎn)化為氫氣進(jìn)行存儲，并回收轉(zhuǎn)化過程中的熱量供給熱負(fù)荷。在風(fēng)電出力不足時，氫燃料電池和燃?xì)廨啓C(jī)以不同功率出力供給電熱負(fù)荷，并可通過燃?xì)忮仩t補(bǔ)充熱負(fù)荷。ORC系統(tǒng)可將燃料電池和燃?xì)廨啓C(jī)中過剩的熱能轉(zhuǎn)化為電能以滿足低熱電比的負(fù)荷。電鍋爐可將多余的電能轉(zhuǎn)化為熱能以滿足低電熱比的負(fù)荷。氫氣可摻入天然氣管道供給燃?xì)廨啓C(jī)和燃?xì)忮仩t，以減少碳排放，整個微網(wǎng)可實現(xiàn)各能源之間的優(yōu)勢互補(bǔ)。
圖1 氫能微網(wǎng)結(jié)構(gòu)示意
Fig.1 Schematic diagram of hydrogen energy microgrid structure
1.2 能量轉(zhuǎn)換設(shè)備模型
1.2.1 電解槽
電解槽可將多余風(fēng)電轉(zhuǎn)換為氫氣以提高風(fēng)電消納率，制氫過程的余熱可回收供給熱負(fù)荷以提高系統(tǒng)的能量利用率。電解槽制氫功率和產(chǎn)熱功率為
式中：PPEM(t)為t時刻電解槽輸入的電功率，kW；Ph2(t)和HPEM(t)分別為t時刻電解槽制氫功率和產(chǎn)熱功率，kW；ηPEM、ηPEM,h分別為電解槽制氫效率和余熱回收效率。
1.2.2 氫燃料電池
氫燃料電池的熱電聯(lián)產(chǎn)可充分發(fā)揮其熱電特性，以提高綜合效率。氫燃料電池的電熱出力為
式中：PHFC,in(t)為t時刻氫燃料電池的輸入功率，kW；PHFC(t)和HHFC(t)分別為t時刻氫燃料電池的電出力和熱出力，kW；ηHFC、ηHFC,h分別為氫燃料電池的電效率和余熱利用效率；HHFC1(t)、HHFC2(t)分別為t時刻氫燃料電池供給熱負(fù)荷和ORC系統(tǒng)的熱功率。
1.2.3 燃?xì)廨啓C(jī)
燃?xì)廨啓C(jī)的電熱出力為
式中：PGT,in為燃?xì)廨啓C(jī)的用氣功率（按天然氣熱值折算為功率），kW；PGT(t)、HGT(t)分別為t時刻燃?xì)廨啓C(jī)的電出力和熱出力，kW；ηGT、ηGT,h分別為燃?xì)廨啓C(jī)的電效率和余熱利用效率；HGT1(t)、HGT2(t)分別為t時刻燃?xì)廨啓C(jī)供給熱負(fù)荷和ORC系統(tǒng)的熱功率。
1.2.4 ORC系統(tǒng)
ORC余熱發(fā)電可消納燃?xì)廨啓C(jī)和氫燃料電池在熱電聯(lián)產(chǎn)過程中產(chǎn)生的過剩能量，解耦“以熱定電”或“以電定熱”的強(qiáng)約束。ORC系統(tǒng)的余熱發(fā)電模型為
式中：PORC,in(t)為t時刻ORC系統(tǒng)輸入功率，kW；PORC(t)為t時刻ORC系統(tǒng)輸出功率，kW；ηORC為ORC系統(tǒng)的熱電轉(zhuǎn)化效率。
1.2.5 電鍋爐
電鍋爐的出力模型為
式中：PEB(t)為t時刻電鍋爐的輸入功率，kW；HEB(t)為t時刻電鍋爐的輸出功率，kW；ηEB為電鍋爐的電熱轉(zhuǎn)化效率。
1.2.6 燃?xì)忮仩t
燃?xì)忮仩t的出力模型為
式中：PGB(t)為t時刻燃?xì)忮仩t的輸入功率，kW；HGB(t)為t時刻燃?xì)忮仩t的輸出功率，kW；ηGB為燃?xì)忮仩t效率。
02 電負(fù)荷-風(fēng)電出力典型日選取方法
對于電負(fù)荷季節(jié)性和周期性的特點，利用偏大型隸屬度對負(fù)荷曲線的峰谷時段信息進(jìn)行提取，采用有序聚類進(jìn)行電負(fù)荷樣本聚類?？紤]風(fēng)電出力與電負(fù)荷之間的時序關(guān)系，在電負(fù)荷典型日有效時間范圍內(nèi)，采用FCM聚類進(jìn)行風(fēng)電數(shù)據(jù)聚類，并通過類間類內(nèi)劃分（between-within proportion，BWP）指標(biāo)確定最優(yōu)聚類數(shù)。
2.1 聚類有效性指標(biāo)
通常來講，類內(nèi)距離最小化而類間距離最大化的聚類是最優(yōu)聚類。BWP指標(biāo)通過線性組合的方式對聚類結(jié)果進(jìn)行有效評估。BWP指標(biāo)越大，聚類效果越好，可表示為
式中：?BWP(i,j)為類間類內(nèi)劃分指標(biāo)；d(i,j)為第j類第i個樣本的最小類間距離；w(i, j)為第j類第i個樣本的類內(nèi)距離。
在有序聚類的情況下，考慮相鄰類的類間距離，因此須對BWP指標(biāo)進(jìn)行改進(jìn)，將最小類間距離d改為相鄰類的平均距離ad，即
式中：ad(i,j)為第j類第i個樣本與相鄰類的平均距離；nj–1和nj+1分別為第j–1類和第j+1類的樣本個數(shù)；T為周期，取24 h；圖片為第j類第i個樣本在t時刻的數(shù)據(jù)；圖片和圖片分別為第j–1類和第j+1類第q個樣本在t時刻的數(shù)據(jù)。
將改進(jìn)的BWP指標(biāo)記為改進(jìn)類內(nèi)類間劃分（improved between-within proportion，IBWP）指標(biāo)，即
式中：?IBWP(i,j)為改進(jìn)的BWP指標(biāo)。
IBWP指標(biāo)表示單個樣本的聚類效果，可用IBWP指標(biāo)的平均值表示整體樣本的聚類效果，其值越大，聚類效果越好。
式中：?avg(k)為IBWP指標(biāo)的平均值；k為分類數(shù)；nl為樣本總數(shù)；nj為第j類的樣本個數(shù)。
2.2 基于有序聚類的電負(fù)荷典型日選取方法
首先，根據(jù)原始電負(fù)荷樣本數(shù)據(jù)L={L(1), L(2), ···, L(nl)}，利用偏大型隸屬度函數(shù)提取電負(fù)荷的趨勢和峰谷位置信息，隸屬度的計算方法如式（11）所示，確定分類數(shù)k的范圍為圖片之間的整數(shù)。其次，選取不同的分類數(shù)，以離差平方和最小為目標(biāo)函數(shù)，離差平方和的計算方法如式（12）所示，找到k–1個最優(yōu)分割點，以改進(jìn)的BWP指標(biāo)確定最佳分類數(shù)，計算方法如式（8）~（10）所示。然后，判斷各負(fù)荷場景之中是否存在小概率場景，即是否存在概率小于0.01的場景，如有，刪去小概率場景，修正電負(fù)荷樣本總數(shù)，并重新計算分類結(jié)果。最后，以各場景下的平均電負(fù)荷作為典型負(fù)荷場景，電負(fù)荷典型日的計算方法如式（13）所示。
式中：u(y,t)為第y天t時刻電負(fù)荷的隸屬度；L(y,t)為第y天t時刻的電負(fù)荷；Lmax(y)和Lmin(y)分別為第y天電負(fù)荷的最大值和最小值；E[a(nl,k)]為離差平方和；xi為第i個樣本數(shù)據(jù)；圖片為第j類樣本的平均值；ij和ij+1–1分別為第j類的起點與終點；Let(m,t)為第m個場景下的典型日第t時刻的電負(fù)荷；dm為第m個場景的總天數(shù)。
2.3 基于FCM聚類的風(fēng)電出力典型日選取
首先，根據(jù)電負(fù)荷有序聚類得出的k個有序場景的時間范圍確定風(fēng)電樣本范圍，得到風(fēng)電樣本集合W={W1,W2,···,Wk}。其次，利用FCM算法對風(fēng)電樣本進(jìn)行聚類，F(xiàn)CM聚類的計算方法如式（14）所示，利用BWP指標(biāo)確定最佳聚類數(shù)。然后，判斷風(fēng)電出力場景中是否存在小概率場景，若有，刪去小概率場景中對應(yīng)的風(fēng)電樣本，重新計算聚類結(jié)果。最后，以各風(fēng)電場景的聚類中心作為風(fēng)電出力典型日。
式中：vj為第j類的聚類中心樣本；ζij為第i個樣本對第j類的隸屬程度；δ為模糊加權(quán)指數(shù)。
03 容量優(yōu)化配置模型
3.1 目標(biāo)函數(shù)
考慮電負(fù)荷-風(fēng)電出力的雙不確定性，結(jié)合氫能微網(wǎng)的結(jié)構(gòu)，建立以年化總成本最小為目標(biāo)的配置模型為
式中：f為年化總成本，元；Cvest、Com、Cbuy、Cpun、Ccarbon分別為投資成本、年運維成本、年購氣成本、運行懲罰成本、碳排放成本，元。
其中，投資成本為
式中：cb,v為第b種設(shè)備的單位容量投資成本，元/kW；圖片為第b種設(shè)備的額定容量，kW；r為折現(xiàn)率，取0.05；Yb為第b種設(shè)備的使用壽命，年。
運維成本為
式中：gφ為第φ個電負(fù)荷-風(fēng)電出力典型日出現(xiàn)的概率；cb1,om為第b1種設(shè)備的運行維護(hù)成本，元/kW；cb2,om為第b2種設(shè)備的運行維護(hù)成本系數(shù)；Pb1(φ,t)為第φ個典型日t時刻第b1種設(shè)備的功率，kW；集合Ω1包括風(fēng)力發(fā)電機(jī)組、燃?xì)廨啓C(jī)、燃?xì)忮仩t、電鍋爐和ORC設(shè)備；集合Ω2包括電解槽、儲氫罐和氫燃料電池；Δt為時間間隔，取1 h。
購氣成本為
式中：M為電負(fù)荷-風(fēng)電出力典型日總數(shù)；cgas為購氣價格，元/m3；Gin(φ,t)為第φ個典型日t時刻的購氣速率，m3/h。
運行懲罰成本為
式中：Pab(φ,t)、Ploss(φ,t)、Hloss(φ,t)分別為第φ個典型日t時刻的棄風(fēng)功率、失電、失熱負(fù)荷，kW；cab、closs,e、closs,h分別為棄風(fēng)、失電、失熱負(fù)荷懲罰價格，元/(kW·h)。
碳排放成本為
式中：cc為碳排放價格，元/kg；λgas為單位體積天然氣的碳排放因子，kg/(kW·h)；Qgas為天然氣熱值，(kW·h)/m3。
3.2 約束條件
3.2.1 功率平衡約束
1）電功率平衡約束為
式中：PWT(φ,t)、PGT(φ,t)、PHFC(φ,t)、PORC(φ,t)分別為風(fēng)力發(fā)電機(jī)組、燃?xì)廨啓C(jī)、氫燃料電池和ORC設(shè)備第φ個典型日t時刻輸出的電功率，kW；PPEM(φ,t)、PEB(φ,t)分別為電解槽和電鍋爐第φ個典型日t時刻輸入的電功率，kW；Let(φ,t)為第φ個典型日t時刻的電負(fù)荷，kW。
2）熱功率平衡約束為
式中：HGT1(φ,t)、HHFC1(φ,t)分別為燃?xì)廨啓C(jī)、氫燃料電池第φ個典型日t時刻供給熱負(fù)荷的熱功率，kW；HEB(φ,t)、HPEM(φ,t)、HGB(φ,t)分別為電鍋爐、電解槽和燃?xì)忮仩t第φ個典型日t時刻輸出的熱功率，kW；Lh(φ,t)為第φ個典型日t時刻的熱負(fù)荷，kW；HGT2(φ,t)、HHFC2(φ,t)分別為燃?xì)廨啓C(jī)、氫燃料電池第φ個典型日t時刻供給ORC系統(tǒng)的熱功率，kW；HORC(φ,t)為ORC設(shè)備第φ個典型日t時刻輸入的熱功率，kW。
3）氣功率平衡約束為
式中：Ph2g(φ,t)為第φ個典型日t時刻混入天然氣管道的氫氣功率，kW；PGB(φ,t)、PGT,in(φ,t)分別為燃?xì)忮仩t、燃?xì)廨啓C(jī)第φ個典型日t時刻的輸入功率（按天然氣熱值折算為功率），kW。
3.2.2 設(shè)備運行約束
設(shè)備運行約束如下。
為避免電解槽利用燃?xì)廨啓C(jī)和氫燃料電池產(chǎn)出的電功率制氫造成低效循環(huán)，引入0-1變量進(jìn)行約束，即
式中：ωPEM(φ,t)、ωGT(φ,t)、ωHFC(φ,t)分別為電解槽、燃?xì)廨啓C(jī)、氫燃料電池第φ個典型日t時刻啟停狀態(tài)的0-1變量，若設(shè)備處于工作狀態(tài)，則為1，若設(shè)備處于停機(jī)狀態(tài)，則為0。
3.2.3 儲氫系統(tǒng)約束
儲氫系統(tǒng)約束如下。
式中：EHYS(φ,t)、EHYS(φ,t–1)分別為第φ個典型日t時刻和t–1時刻儲氫罐的剩余能量；圖片為儲氫容量；ηHYS,in、ηHYS,out分別為儲氫罐進(jìn)氫和放氫效率；Ph2(φ,t)、PHFC,in(φ,t)分別為第φ個典型日t時刻電解槽的產(chǎn)氫功率和氫燃料電池的輸入功率，kW；圖片分別為儲氫罐最小、最大余氫狀態(tài)；圖片分別為儲氫罐最大進(jìn)氫和放氫功率，kW。
3.2.4 天然氣管道約束
天然氣管道約束如下。
04 算例分析
4.1 電負(fù)荷-風(fēng)電出力典型日
以某工業(yè)園區(qū)全年電負(fù)荷和風(fēng)電出力數(shù)據(jù)為樣本，數(shù)據(jù)采樣間隔為1 h，采用Matlab仿真平臺實現(xiàn)對典型日的選取。該工業(yè)園區(qū)全年電負(fù)荷及風(fēng)電出力如圖2所示。
圖2 某工業(yè)園區(qū)全年電負(fù)荷及風(fēng)電出力
Fig.2 Annual power load and wind power output curve of an industrial park
4.1.1 電負(fù)荷典型日
圖3為電負(fù)荷數(shù)據(jù)在不同聚類個數(shù)下的IBWP指標(biāo)以及在該指標(biāo)下不同場景發(fā)生的概率。由圖3可知，隨著聚類數(shù)量的增多，IBWP指標(biāo)先增加后減少，在聚類個數(shù)為6時達(dá)到最大值，即電負(fù)荷數(shù)據(jù)被聚為6類時，聚類效果最好。
圖3 不同電負(fù)荷聚類個數(shù)下的IBWP指標(biāo)
Fig.3 IBWP index under different electric load clusters
圖4和表1分別為經(jīng)過有序聚類后的電負(fù)荷典型日曲線以及各典型日的時間分布情況，根據(jù)IBWP指標(biāo)的最大值形成6個不同場景的典型日，各場景出現(xiàn)的概率分別為6.03%、29.04%、8.77%、21.10%、27.67%、7.40%，沒有概率小于0.01的場景，即所有的電負(fù)荷數(shù)據(jù)均被保留。按照時間分布看（各場景中大部分日期所屬季節(jié)），場景L2、L3在春季，場景L4在夏季，場景L5在秋季，場景L1、L6在冬季。
圖4 電負(fù)荷典型日曲線
Fig.4 Typical daily curve of electric load
表1 電負(fù)荷場景時間分布
Table 1 Time distribution of electrical load scenarios
4.1.2 風(fēng)電出力典型日
為了說明FCM聚類算法在風(fēng)電出力數(shù)據(jù)上聚類的優(yōu)勢，對比文獻(xiàn)[14]中提到的K均值聚類算法，以電負(fù)荷場景L3對應(yīng)時段的風(fēng)電數(shù)據(jù)為例，并采用BWP指標(biāo)對2種算法的風(fēng)電聚類結(jié)果進(jìn)行評價，結(jié)果如表2所示?？梢钥闯觯現(xiàn)CM聚類算法得到的BWP指標(biāo)均大于K均值聚類算法，即FCM聚類算法取得的結(jié)果更優(yōu)，同時，當(dāng)聚類數(shù)為3時，2種算法的BWP指標(biāo)均取得最大值，說明電負(fù)荷場景L3對應(yīng)的風(fēng)電出力數(shù)據(jù)被分為3類時效果最好。
表2 聚類結(jié)果評價
Table 2 Evaluation of clustering results
圖5為所有場景下風(fēng)電出力的聚類典型日及出現(xiàn)概率，可以看出，在6個電負(fù)荷典型日場景下，分別聚類出4、4、3、2、4、2個風(fēng)電出力典型日。
圖5 各場景風(fēng)電出力典型日曲線及其概率
Fig.5 Typical daily curve and probability of wind power output in each scenario
4.2 容量優(yōu)化配置
熱負(fù)荷在冬季出力多、夏季出力少，有顯著的季節(jié)性，春夏秋冬的熱電比分別為76%、19%、76%、176%，即電負(fù)荷場景的熱電比分別為176%、76%、76%、19%、76%、176%。系統(tǒng)中各設(shè)備的價格、壽命如表3、4所示，效率參數(shù)如表5所示。
表3 系統(tǒng)設(shè)備價格和壽命
Table 3 System equipment price and service life
表4 氫能系統(tǒng)設(shè)備價格和壽命
Table 4 Hydrogen energy system equipment price and service life
表5 設(shè)備效率參數(shù)
Table 5 Equipment efficiency parameters
設(shè)購氣價格為3.5元/m3；碳排放因子為0.22 kg/(kW·h)；最大購氣速率為200 m3/h；最大摻氫比例為20%。最大棄風(fēng)比例為50%；最大失負(fù)荷比例為2%；棄風(fēng)懲罰價格為0.2元/(kW·h)；失負(fù)荷懲罰價格為電價的10倍。優(yōu)化配置模型在Matlab平臺上使用Yalmip工具箱建立Milp模型并求解。設(shè)置以下4種方案進(jìn)行對比分析。
方案1：基于所提方法進(jìn)行電負(fù)荷-風(fēng)電出力典型日的選取，采用傳統(tǒng)的多能耦合微網(wǎng)滿足電熱負(fù)荷需求，即采用燃?xì)廨啓C(jī)的熱電聯(lián)產(chǎn)特性滿足負(fù)荷需求，不足部分利用燃?xì)忮仩t進(jìn)行補(bǔ)充，利用蓄電池作為儲能系統(tǒng)以保證系統(tǒng)供電可靠性。
方案2：在方案1的基礎(chǔ)上，加入電鍋爐和ORC設(shè)備。
方案3：在方案2的基礎(chǔ)上，將蓄電池系統(tǒng)轉(zhuǎn)為氫儲能系統(tǒng)，同時計及氫儲能系統(tǒng)電氫轉(zhuǎn)換過程中的余熱回收和天然氣管道摻氫。
方案4：按照四季對電負(fù)荷-風(fēng)光出力進(jìn)行典型日的選取，其他條件均與方案3相同。
4種方案的容量優(yōu)化配置結(jié)果如表6所示，可以看出，方案2與方案1相比，風(fēng)電裝機(jī)和燃?xì)廨啓C(jī)的容量增加，蓄電池的容量及其充放功率大幅減小，總成本降低了24.84%。由于電鍋爐可將電能轉(zhuǎn)化為熱能供給熱負(fù)荷，為風(fēng)電提供了消納通道，使風(fēng)電裝機(jī)增加，同時蓄電池的儲能需求減少，為保證系統(tǒng)的供電可靠性，須增加燃?xì)廨啓C(jī)的容量；燃?xì)廨啓C(jī)容量增加和ORC設(shè)備的增設(shè)會補(bǔ)充部分電能，進(jìn)一步降低了蓄電池的充放電功率；系統(tǒng)整體的投資維護(hù)成本減少，風(fēng)電裝機(jī)容量的提高，使微網(wǎng)購氣需求降低，進(jìn)而減少了購氣成本和碳排放成本，使得總成本降低。
表6 不同方案下的優(yōu)化配置結(jié)果
Table 6 Optimized configuration results under different schemes
方案3與方案2相比，風(fēng)電裝機(jī)容量進(jìn)一步提高，燃?xì)廨啓C(jī)、電鍋爐容量減少，儲氫罐容量約為蓄電池容量的6倍，總成本降低了13.37%。由于儲能容量增加可消納更多風(fēng)電，相當(dāng)于增加了風(fēng)電裝機(jī)容量，減小了燃?xì)廨啓C(jī)容量；氫儲能系統(tǒng)在電氫轉(zhuǎn)化過程產(chǎn)生的余熱進(jìn)行回收可供給熱負(fù)荷使用，減小了電鍋爐容量；增加氫儲能設(shè)備消納多余風(fēng)電并向天然氣管道摻氫可減少系統(tǒng)的購氣需求，減少購氣成本和碳排放成本，進(jìn)一步降低系統(tǒng)總成本。
方案4與方案3相比，氫儲能系統(tǒng)、燃?xì)廨啓C(jī)、燃?xì)忮仩t容量減少，風(fēng)電和電鍋爐的容量有所增加，總成本進(jìn)一步減少。由于方案4中僅考慮4種典型日，負(fù)荷和風(fēng)光出力變化減少，配置較小的儲能容量就可滿足負(fù)荷波動，同時考慮負(fù)荷的實時供給需求和設(shè)備成本，風(fēng)電容量隨之增加；風(fēng)電容量增加和氫儲能設(shè)備容量減小導(dǎo)致多余電能增多，為減少棄電，須增加電鍋爐容量，減小燃?xì)忮仩t容量。
4.3 靈敏度分析
4.3.1 碳排放價格對配置結(jié)果的影響
碳排放價格關(guān)系到系統(tǒng)的經(jīng)濟(jì)效益和環(huán)境效益，進(jìn)而影響系統(tǒng)中各設(shè)備的容量?？刂铺寂欧艃r格為0.3~2.1元/kg（步長為0.3元/kg）時，系統(tǒng)中各設(shè)備的配置容量以及成本如表7所示。
表7 不同碳排放價格下的配置結(jié)果
Table 7 Allocation results under different carbon prices
由表7可知，隨著碳排放價格的增加，微網(wǎng)內(nèi)風(fēng)電、氫燃料電池、儲氫罐、電鍋爐、燃?xì)忮仩t和電解槽的容量增大，燃?xì)廨啓C(jī)和ORC容量減小，微網(wǎng)總成本逐漸增加，碳排放量逐漸減少。由于碳排放價格升高，微網(wǎng)消耗天然氣來供能的環(huán)境效益變差，系統(tǒng)傾向于減小燃?xì)廨啓C(jī)的容量，增加風(fēng)電裝機(jī)容量；為消納多余風(fēng)電，氫儲能容量增加，低電熱比的氫燃料電池容量增加，使微網(wǎng)中余熱減少，ORC設(shè)備容量也隨之減??；為維持供熱平衡，需要適當(dāng)增加電鍋爐和燃?xì)忮仩t的容量?；诟髟O(shè)備容量的變化，系統(tǒng)的投資維護(hù)成本增加。風(fēng)電裝機(jī)容量的增加導(dǎo)致棄風(fēng)量增大，增加了棄風(fēng)懲罰成本；雖然碳排放量在逐漸減少，但由于碳排放價格的增加，碳排放成本并沒有減少；隨著碳排放價格的增加，系統(tǒng)的投資成本、維護(hù)成本、棄風(fēng)懲罰成本以及碳排放成本所增加的幅度遠(yuǎn)大于系統(tǒng)減少購氣所降低的成本，故系統(tǒng)的總成本不斷增加。
4.3.2 氫儲能投資成本對配置結(jié)果的影響
目前，電解槽、儲氫罐、氫燃料電池等是微網(wǎng)的主要設(shè)備，其投資成本關(guān)系到系統(tǒng)的經(jīng)濟(jì)效益以及系統(tǒng)構(gòu)成。控制氫儲能投資成本下降幅度為0~30%（步長為5%）時，系統(tǒng)中各設(shè)備的配置容量以及成本如表8所示。
表8 不同氫儲能投資成本下的配置結(jié)果
Table 8 Configuration results of hydrogen storage under different investment costs
由表8可知，隨著氫儲能成本的降低，微網(wǎng)內(nèi)氫燃料電池、儲氫罐、電解槽和燃?xì)忮仩t的容量增大，風(fēng)電、燃?xì)廨啓C(jī)、電鍋爐和ORC容量減小，微網(wǎng)總成本和碳排放量都逐漸減小。由于氫儲能投資成本的減少，系統(tǒng)傾向于增加氫儲能系統(tǒng)的容量來更好地消納風(fēng)電，此時燃?xì)廨啓C(jī)容量減小。氫儲能系統(tǒng)容量增加使得可供給電鍋爐的電量減小，電鍋爐容量減少；低電熱比的氫燃料電池容量增加和電鍋爐容量減小使系統(tǒng)的供熱能力降低，ORC系統(tǒng)容量隨之減小，燃?xì)忮仩t的容量相應(yīng)增加以保證熱負(fù)荷需求的供給?；谙到y(tǒng)內(nèi)各設(shè)備容量的變化，系統(tǒng)的各項成本均有所減小，使得系統(tǒng)總成本不斷降低。
05 結(jié)論
1）氫能微網(wǎng)系統(tǒng)考慮了電鍋爐和ORC等設(shè)備的電熱轉(zhuǎn)換功能、電氫轉(zhuǎn)化過程中的余熱回收以及天然氣管道摻氫，實現(xiàn)了各能源系統(tǒng)之間的優(yōu)勢互補(bǔ)。電鍋爐和ORC設(shè)備的使用，增加了電熱轉(zhuǎn)換途徑，提高了微網(wǎng)消納風(fēng)電的能力，減少了購氣需求，使總成本降低了24.84%；氫儲能系統(tǒng)的使用，提供了電熱氣耦合途徑，減少了能量損耗，使總成本進(jìn)一步降低了13.37%。
2）基于有序聚類和FCM聚類的電負(fù)荷-風(fēng)電出力典型日選取方法保留了電負(fù)荷和風(fēng)電出力的時序匹配性，并且在一定程度上可以代表全年的負(fù)荷和風(fēng)光出力數(shù)據(jù)的變化規(guī)律。利用該方法選取的電負(fù)荷-風(fēng)電出力典型日可以為容量優(yōu)化配置模型提供數(shù)據(jù)支撐，提升優(yōu)化配置模型的計算速度。
3）在氫能微網(wǎng)中，容量配置結(jié)果會隨著碳排放價格和氫儲能投資成本的變化而改變。隨著碳排放價格的增加，微網(wǎng)傾向于減少天然氣的使用，利用風(fēng)能和氫儲能以滿足負(fù)荷需求，使系統(tǒng)的總成本增加；隨著氫儲能成本的減少，系統(tǒng)的各項成本均有所減小，微網(wǎng)的經(jīng)濟(jì)效益和環(huán)境效益均更好。
注：本文內(nèi)容呈現(xiàn)略有調(diào)整，如需要請查看原文。
